基于3D U-Net模型实现T2WI图像中前列腺的区域分割及临床验证
目的:探讨基于3D U-Net模型进行T2WI图像中前列腺自动区域分割的可行性并进行临床验证.方法:回顾性收集我院2019年6月-2020年1月间的288例因临床怀疑前列腺癌而行多参数磁共振成像(Multiparameter magnetic resonance imaging,mpMRI)患者,用于3D U-Net分割模型的训练(数据集A).所有患者按照8:1:1的比例随机分为训练集(n=231)、调优集(n=29)和测试集(n=28).以医生手工标注的前列腺区域(外周带、移行带、中央带、前纤维基质带、尿道)为参考标准,定量评估测试集中模型的Dice相似系数(Dice similarity coefficient,DSC)、Hausdorff表面距离(Hausdorff surface distance,HSD)和体积差.另收集2020年2-5月间的经病理证实的30例前列腺癌患者,用于模型的临床验证(数据集B).由一名低年资影像医生对检出的癌灶进行定位,一次使用AI结果,一次不使用AI结果.以影像专家的定位为参考标准,评估低年资医生两次阅片的定位准确率.结果:测试集中,模型对前列腺外周带、移行带、中央带、前纤维基质带和尿道的分割效果较好,其DSC及HSD分别为0.80、0.89、0.52、0.63、0.79和10.66 mm、8.88 mm、9.87 mm、17.86 mm、9.64 mm.模型预测与手工标注测量的体积一致性高,其差值基本都位于95％一致范围(limits of agreement,LoA)之内.与直接阅片相比,模型可提高低年资影像医生对癌灶的定位准确率(93.93％ vs 100％).结论:基于3D U-Net模型可实现T2WI图像中前列腺区域自动分割,用于癌灶的定位.
前列腺肿瘤;磁共振成像
33
R737.25;R445.2(肿瘤学)
首都卫生发展科研专项项目;北京大学第一医院科研种子基金
2022-03-07（万方平台首次上网日期，不代表论文的发表时间）
共7页
33-38,42
